SLAM中的关键帧是什么?有什么用?如何选择关键帧?

关键帧在SLAM中起到减少优化帧数、代表局部信息的作用。选取标准包括时间间隔、空间运动和跟踪质量。它们是SLAM骨架,优化算力与精度的折中,同时过滤无效信息。ORB-SLAM在回环检测中的应用体现了关键帧的局部代表性。
摘要由CSDN通过智能技术生成

关键帧目前是一种非常常用的方法,可以减少待优化的帧数,并且可以代表其附近的帧。可以理解为一个学校里有100个班级,每个班的班长就是一个关键帧,他可以代表他班里的人,那么如何选取关键帧呢?

选取的指标主要有:

(1)距离上一关键帧的帧数是否足够多(时间)。比如我每隔固定帧数选择一个关键帧,这样编程简单但效果不好。比如运动很慢的时候,就会选择大量相似的关键帧,冗余,运动快的时候又丢失了很多重要的帧。

(2)距离最近关键帧的距离是否足够远(空间)/运动

比如相邻帧我根据pose计算运动的相对大小,可以是位移也可以是旋转或者两个都考虑,运动足够大(超过一定阈值)就新建一个关键帧,这种方法比第一种好。但问题是如果对着同一个物体来回扫就会出现大量相似关键帧。

(3)跟踪质量(主要根据跟踪过程中搜索到的点数和搜索的点数比例)/共视特征点

这种方法就是记录当前视角下的特征点数,或者视角,当相机离开当前场景时才会新建关键帧,避免了第2种方法的问题。缺点是比较复杂。

打个比方,关键帧相当于slam的骨架,是在局部一系列普通帧中选出一帧作为局部帧的代表,记录局部信息。举例来说,摄像头放在原处不动,普通帧还是要记录的,但关键帧因为总看到原场景,所以不会增加。
三角化需要一定程度的共视区域,所以普通帧每2帧之间会存在大量的信息冗余,如果所有帧全部参与计算ÿ

  • 5
    点赞
  • 51
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: OrbSLAM3是一个单目视觉的实时空间里程计系统。它使用基于极线的特征对相邻帧进行匹配,并利用一个稠密的闭环检测器,检测图像的循环,以进行重定位和地图更新。OrbSLAM3的主要内容是利用计算机视觉技术来实现实时的三维地图构建和机器人位置估计。 ### 回答2: ORB-SLAM3是一种实时视觉定位与建图(SLAM)系统。它是ORB-SLAM系列的最新版本,主要用于无人机、智能车辆、增强现实等领域的定位与建图任务。 ORB-SLAM3的主要内容涵盖了三个关键方面:视觉定位、稠密建图和语义建图。 首先,ORB-SLAM3通过使用摄像头获取的视觉信息,可以进行实时的相机定位。它采用了ORB特征描述符和FAST角点检测算法,快速地提取并匹配图像特征,从而实现相机的位置和姿态的准确估计。 其次,ORB-SLAM3能够进行稠密建图。它利用稀疏的ORB特征点云和稠密的深度图像,结合光束法平差(BA)和稠密地图优化算法,生成精确的三维环境地图。 最后,ORB-SLAM3还实现了语义建图的功能。它通过使用深度学习技术,能够对场景的物体进行识别和分割,从而将语义信息与三维地图进行关联。这样,在定位和导航时,系统可以更好地识别环境的目标物体,提供更准确的定位和路径规划。 综上所述,ORB-SLAM3主要内容涵盖了实时视觉定位、稠密建图和语义建图。通过这些功能的结合,它能够在不同应用领域实现高精度的定位与建图任务,为无人机、智能车辆以及增强现实等领域的应用提供了强大的技术支持。 ### 回答3: ORB-SLAM3是一种实时单目视觉SLAM(Simultaneous Localization and Mapping)系统。SLAM是指在未知环境,通过同时估计相机的位置和构建环境的地图。ORB-SLAM3致力于在计算要求较低的设备上实现高质量的SLAM性能。 ORB-SLAM3的主要内容包括特征提取、特征描述、特征匹配、姿态估计、地图更新和闭环检测等步骤。首先,ORB-SLAM3通过使用归一化八叉树(Normalized 8-point Octree)和FAST特征提取算法来提取图像的特征点。然后,通过ORB特征描述子对特征点进行描述,使其能够在后续的特征匹配进行对应。 在特征匹配阶段,ORB-SLAM3使用最小汉明距离(Hamming distance)来计算特征点之间的相似度,并选择最佳的匹配。接下来,使用RANSAC(Random Sample Consensus)算法对匹配点进行姿态估计,确定相机在三维空间的位置和姿态。 在地图更新阶段,ORB-SLAM3将新的特征点与已有的地图进行匹配,并更新地图的拓扑结构和地图点位置。同时,ORB-SLAM3还实现了闭环检测功能,通过在不同时间步骤检测到的相似场景进行匹配,从而检测并纠正可能的漂移误差。 总而言之,ORB-SLAM3是一种基于单目相机实时运行的SLAM系统,通过特征提取、特征描述、特征匹配、姿态估计、地图更新和闭环检测等步骤来同时实现相机定位和地图构建的功能。其主要目标是在计算资源有限的设备上实现高性能的SLAM应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值